eSkiTB：用于跟踪滑雪运动的合成事件数据集
计算机视觉与模式识别
2026-01-13 v1
摘要
在RGB播送 footage 中跟踪滑雪运动员具有挑战性，因为运动模糊、静态叠加层以及杂乱元素会遮挡快速移动的运动员。事件相机凭借其异步对比感知，天然对此类干扰具有鲁棒性，但目前缺乏针对冬季运动跟踪的受控基准。我们引入事件滑雪数据集（eSkiTB），该数据集是从SkiTB生成的合成事件数据集，通过直接视频转事件转换生成，无需神经插值，实现RGB与事件模态之间的等信息比较。对SDTrack（脉冲变换器）与STARK（RGB变换器）进行基准测试，我们发现事件基跟踪在以静态叠加层为主的场景中对播送杂乱具有显著鲁棒性，IoU达到0.685，优于RGB的+20.0分。整个数据集上，SDTrack实现了0.711的平均IoU，表明时间对比度是跟踪视觉拥挤环境中球形运动可靠线索。eSkiTB建立了冬季运动事件跟踪的第一个受控环境，凸显了事件相机在滑雪跟踪中的潜力。该数据集和代码将发布于https://github.com/eventbasedvision/eSkiTB。
引用
@article{arxiv.2601.06647,
title = {eSkiTB: A Synthetic Event-based Dataset for Tracking Skiers},
author = {Krishna Vinod and Joseph Raj Vishal and Kaustav Chanda and Prithvi Jai Ramesh and Yezhou Yang and Bharatesh Chakravarthi},
journal= {arXiv preprint arXiv:2601.06647},
year = {2026}
}